文献类型：期刊文章

作　　者：徐明[1] 焦建军[1] 龙文[1,2]

XU Ming;JIAO Jianjun;LONG Wen(School of Mathematics and Statistics,Guizhou University of Finance and Economics,Guiyang 550025,China;Guizhou Key Laboratory of Economics System Simulation,Guizhou University of Finance and Economics,Guiyang 550025,China)

机构地区：[1]贵州财经大学数统学院,贵阳550025 [2]贵州财经大学贵州省经济系统仿真重点实验室,贵阳550025

出　　处：《中国科技论文》

基　　金：国家自然科学基金资助项目(61463009);贵州省高等学校科技拔尖人才支持计划项目(黔教合KY字[2017]070);2017年度贵州财经大学引进人才科研启动项目

年　　份：2019

卷　　号：14

期　　号：8

起止页码：917-921

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、IC、JST、UPD、核心刊

摘　　要：针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S型函数的非线性调整控制参数a策略,以平衡算法的全局勘探和局部开采能力;以一定概率对当前最优决策层个体执行反向学习策略,帮助群体跳出局部最优。选取4个复杂函数测试IGWO算法的性能,利用实际光伏模型测量数据对IGWO算法进行检验。结果表明,IGWO算法相比其他算法,能更准确且稳定地辨识PV模型参数。

关 键 词：光伏模型  参数辨识 灰狼优化算法  S型曲线  反向学习  

分 类 号：TM914.4] TM391